在当今这个时代，人们对「大数据」这个词并不陌生。大数据技术指的是超过传统数据库系统处理能力的数据。随着互联网上的各种大数据的产生，数据分析就显得尤为重要。
今天，我们来聊聊大数据。
提起数据，大家可能会觉得比较无聊，看到一大堆数据头都大了。
但数据其实没有那么难理解，从中还可以得出很多有趣的小结论。比如，马云就曾经分享过这么一个结论：在中国，浙江女性的胸最小。这个结论是怎么得出的呢？就是通过阿里巴巴的大数据，发现淘宝销售的胸罩中，卖到浙江去的胸罩平均尺寸最小。有很多用其他方法难以得到的信息，通过分析数据，就变得一目了然。
当然，大数据对于我们的意义，可不仅仅是得到一些信息而已，真正理解了大数据，还可以改变我们的思维方式。
不知道大家小的时候听没听过这样一首儿歌，儿歌里说：「因为所以，科学道理」。这其实是在说，我们习惯性的思维方式是 「因为什么，所以什么」，是用因果性的方式思维，而这种思维，正是大数据思维所不一样的，大数据不是关注因果关系，而是关注相关性，也就是说人与人之间、人与事物、事物与事物之间的相互关系。
我举一个例子哈：
十年前的一个夏天，科学家们在研究游泳溺水事故时，发现了一个有趣的现象：数据表明呢，随着冰淇淋销量的增长，淹死的人数直线上升，两者的变化几乎完全一致。这是为什么呢？大家可以思考一下。
难道是吃冰淇淋会导致人们淹死？
——当然不是了，吃冰淇淋并不是溺水的原因。真正的原因是什么呢？是天热了，吃冰淇淋的人多了，游泳的人也多了，淹死的人自然就多了。
在冰淇淋销量和溺水人数之间没有因果关系，只有相关性。
通过这两个故事啊，大家是不是对数字开始有点感冒了呢？下面啊，我就和大家分享一下，用大数据思维可以教给我们的四个要点：
第一点：传统的因果思维是有问题的。
传统的思维，常常习惯在相关的两件事之间建立因果关系，我们总是喜欢想：因为什么，所以什么。
但这个世界很复杂，而且变得越来越复杂，干扰的因素很多，很多时候我们并不能准确地找到原因。而如果强行找原因，往往会适得其反。
就像我们刚刚举的那个例子，如果按照因果关系的思维，莽撞地限制冰淇淋的销售，那么非但不会降低溺水人数，由于减少了人们避暑的方式，淹死的人反而会变多。
初衷是好的，但盲目建立因果关系是很危险的。
第二点：注重相关性，才是更有效率的思维方式。
沃尔玛是全世界最大的连锁超市，它的数据分析师发现，当把啤酒和婴儿纸尿裤摆放在一起时，会大幅提高两者的销量。
为什么会这样呢？是因为带孩子的爸爸变多了吗？还是因为人们在买啤酒的时候有点愧疚，希望展现一下自己有责任心的一面？没人知道。
但是啊这一点也不重要了。沃尔玛发现了这一相关后，迅速调整货架布局，把这两种货物摆在一起，既提高了销量，又便利了顾客。
很多顾客赞叹：「沃尔玛居然知道我心里在想什么」——其实沃尔玛不知道。但这没关系了。
从始至终，沃尔玛也没有去研究这一现象的原因。但这丝毫也没有妨碍沃尔玛做出正确的决策，而且反应更快了。
注重相关性而非因果，并不会使你损失什么。
第三点：相关需要全样本。
首先，我解释一下样本是什么。样本是我们做观察和调研的时候抽取的一部分数据，它对于做决策具有很重要的作用。在大数据当中，正是样本规模的改变，导致了决策思维的改变。
相关性，是大数据最核心的特征。
但是你有没有考虑过，既然相关性这么好，为什么人们还是长期保留着因果性的传统思维呢？
按照进化的逻辑，像因果性这么低效的思维方式，怎么还没有被淘汰掉呢？
这就是大数据的关键。
因为相关性不追究事物之间的逻辑关系，所以要想得到可靠的结论，所需的数据量要比因果性更大，样本要更全面。
在以前，技术的局限让我们不可能获得足够的数据来支持我们的判断。所以我们不得不采取一种取巧的方式，去探究和论证因果。
但现在，随着互联网和计算机技术的发展，大数据和全样本变得可能了，我们没有理由不去利用这种便利。
人与猴子的区别在于我们会使用工具，而新思维的人和旧思维的人区别在于：我们会使用更新、更高级的工具。
这就引出了大数据的第二个特征：全样本。
第四点：面对全样本，需要我们有抽象数据的能力。
八年前我在磨铁创立黑天鹅品牌，当时磨铁的执行总裁是张凯峰先生，张总之前是海尔的流程再造总监。当时的磨铁乃至于整个图书出版行业都面临着一个巨大的转折。那时候，大家都在争论：书籍到底是不是一个产品。
今天，谈到书籍产品大家已经习以为常了，但在当时，张凯峰先生在出版业首次引进了产品经理这个概念。把书当成产品来做。这是一个创举，让磨铁在那个出版业的大转型时期领先一步。
把书当作产品来做，就意味着不能只凭直觉，要靠数据说话。
当时「开卷」已经存在十年了，这是一个全面跟踪中文图书市场零售数据的平台。既有不同地点的数据，又有不同时间的数据。可以说是很全面了。
但是当时我们的图书行业是怎么利用数据的呢？主要就是书出来之后，在数据平台上监测到卖的好，就赶紧加印，免得在市场上断货。很好的数据，但主要就只起到这样一个作用。
这是很遗憾的。数据没有得到充分的利用，完全没有参与到制作流程里来。因为什么？因为当年我们很多的编辑不知道怎么解读这些数据，看到一堆数字，头大了，缺乏抽象数据的能力。
一个很有意思的事实是，我们都知道很多经济类、计算机类的书卖的比较好，一方面当然是因为读者群刚需比较大，但还有一个很重要的原因，就是理解数据的能力。
或许是学科背景的差异，在很长一段时间里，你会发现就平均水平来说，做这些书的人 比做人文社科类图书的人更能理解数据。
同样的大数据，在看不懂的人眼中，这就是一堆乱码，但是在有抽象数据能力的人眼中，他们可以从这里面看出周期，看出规律，看出他们读者的需求。因为他们有宏观性、系统性的思维。
有这种能力的人，能够不断地从数据中得到整体性的反馈，这样他们的成长速度比只是通过做一本本书、一个个产品积累感觉的人快得多。
当时张总在磨铁呆了三年，主要就是给磨铁树立了这样一种数据意识，同时训练了一批有系统性思维和数据抽象能力的编辑。这是开风气之先的一件事，靠着这批人，磨铁做到今天，估值 45 亿，在出版业取得了龙头地位。
另外一个靠着数据能力成功的例子是读客，读客图书今天估值 20 亿，在业界号称单品之王，它的创始人华杉、华楠两兄弟，是做战略咨询出身。
所以不要以为有了全样本就够了，你必须要有理解数据的能力。小样本的本质是训练人的感觉，大样本的本质是训练方法、训练思维方式。要建立这种抽象数据的思维能力是需要练习的，谁都会有个开始的时候，大家一定要多思考，多分析，最关键的是有想法要敢于说出来，抛砖引玉，别人指正的时候再迅速虚心接受，把握好这个信心和谦卑的平衡。
因为数据能力是比较抽象的，一个人的话就很容易走进死胡同里去，一定要交流和矫正。所以我在这里向大家推荐一个小练习：
找一个小伙伴，每天睡觉前抽出五分钟，看一个小的数据总结，比如去年的房地产数据呀，保险业数据呀，统计局数据呀，培养自己的能力，然后第二天抽出十分钟，互相讨论。
有的朋友担心找不到这样的数据集，没关系，现在每个行业都有自己的数据报告，出版业的可以看当当和亚马逊的书籍排行榜，知识付费的可以观测收听量，就连传统行业，到在行、分答这样的平台上约见一下本行业的大咖，根本不愁没有数据可看。
第五点：我们进行一些重点问题答疑。
5.1 下面我们要探讨一下大数据最大的争议：模糊性——大数据要不要追求精确？
舍恩伯格在《大数据时代》一书中提出：大数据具有模糊性，可以不追求精确。但是中文版的译者在序言中就反驳了这个观点，认为大数据不能抛弃精确。很多人对此有争议。
我对此的看法是，这两者并不矛盾，本质上是一个成本权衡的问题：数据越精确，同样可靠的结论需要的数据量就越小，但每个数据的收集成本就越大，我们最终追求的是以最高的效率达到可靠结论，所以如果能做到精确，当然可以，但最重要的是要权衡这样做的成本和收益。
5.2 很多人担心：太过注重相关，不研究内部的因果逻辑，会不会导致盲目跟风模仿，进而导致同质化？
这是一个好问题。
我认为这种担心混淆了两个概念：一个是「相关性」，另一个是「相似性」。
还是拿我做书的经历举个例子：
十年前我们做一本书，可能只参考一两本同类做得好的书籍，做出来的结果就是从标题，到封面，到装帧，都非常相似。好奇的可以查一查十年前的图书市场跟风有多严重。
五年前，一个合格的出版社做一本书，怎么也要参考几十上百本同类书籍，这样抓住的就是读者关心的主题，而不是具体的某一本书。
比如当时黑天鹅做《自控力》这本书，畅销几百万册。
我们没有模仿某本具体的书，我们是通过数据，找到了美国顶尖名校（斯坦福），高效、心理学是关键需求点，和《自控力》进行匹配，这样做出来的书既符合读者需要，也没有很重的模仿痕迹。
现在呢，据说还有公司打算要研发算法，进行分析，一次可以参考上千本书。
这里的关键在于：参考的样本越多，最后做出来的产品，与具体某一个同类产品的相似性反而越小。
所以大数据的道理是，样本越多，相似性越低，相关性越高。
现在确实存在同质化的现象，但如果你回看十年，会发现已经改善了很多。
最后啊，我再重复一下今天的实用思维技巧：
一、 多注重相关性，不要盲目建立因果关系。
二、利用全样本，多练习数据理解力。方法就是下载一个「国务院」app，找一个小伙伴，每晚花五分钟，看一篇里面的数据报告，第二天花十分钟讨论。
三、大数据要不要精确，主要不是看技术，是看成本。
四、样本越多，相似性越低，相关性越高。备案号:YXA1gyGjErYFPvONYElHgXxm